Modelo de inteligência artificial para diagnóstico de câncer

Pesquisadores da Escola Médica de Harvard projetaram um modelo versátil de IA, semelhante ao ChatGPT, capaz de realizar diversas tarefas de diagnóstico em múltiplos tipos de câncer. Essa nova ferramenta, descrita em um artigo publicado na Nature, avança as abordagens atuais de IA no diagnóstico oncológico.

Os sistemas de IA existentes são geralmente treinados para tarefas específicas, como detectar câncer ou prever o perfil genético de um tumor, e funcionam bem em poucos tipos de câncer. Em contraste, o novo modelo de IA pode executar uma ampla gama de tarefas e foi testado em 19 tipos de câncer, oferecendo uma flexibilidade comparável à de grandes modelos de linguagem, como o ChatGPT.

Enquanto outros modelos de IA para diagnóstico médico com base em imagens de patologia têm surgido, acredita-se que este seja o primeiro a prever os resultados dos pacientes e validá-los em múltiplos grupos internacionais. Segundo o professor assistente Kun-Hsing Yu, a ideia era criar uma plataforma ágil e versátil, semelhante ao ChatGPT, para avaliar cânceres de forma abrangente.

O modelo de IA analisa lâminas digitais de tecidos tumorais, detecta células cancerígenas e prevê o perfil molecular de um tumor com precisão superior à de outros sistemas atuais. Além disso, é capaz de prever a sobrevivência de pacientes com diferentes tipos de câncer e identificar características do microambiente tumoral associadas à resposta a tratamentos, como cirurgia, quimioterapia e imunoterapia.

Uma característica impressionante do sistema é sua capacidade de identificar novos fatores associados à sobrevivência dos pacientes, que antes eram desconhecidos. As descobertas adicionam evidências ao crescente uso da IA para melhorar a avaliação médica, especialmente em identificar pacientes que podem não responder bem às terapias convencionais.

Yu destacou que, se validado e implementado amplamente, o sistema poderia identificar pacientes que se beneficiariam de terapias experimentais baseadas em variações moleculares. Isso seria um avanço em áreas onde o sequenciamento de DNA não está amplamente disponível.

O novo modelo, denominado CHIEF (Clinical Histopathology Imaging Evaluation Foundation), foi treinado com 15 milhões de imagens não rotuladas e 60.000 lâminas de tecidos inteiros de vários tipos de câncer, incluindo pulmão, mama, próstata, cérebro e muitos outros. Essa abordagem permitiu que o CHIEF interpretasse imagens de forma holística, relacionando mudanças específicas ao contexto geral do tecido.

> Treinamento e Testes 

O modelo foi testado em mais de 19.400 imagens de lâminas de 32 conjuntos de dados, coletados de 24 hospitais ao redor do mundo. O CHIEF superou outros sistemas de IA em até 36% nas tarefas de detecção de células cancerígenas, identificação da origem do tumor e previsão de resultados dos pacientes.

> Desempenho Superior

O CHIEF atingiu uma precisão de quase 94% na detecção de câncer em 11 tipos diferentes e uma precisão de 96% em várias biópsias independentes. Além disso, ele foi eficaz na previsão de perfis moleculares de tumores, oferecendo uma alternativa rápida e econômica ao sequenciamento genômico.

O modelo também identificou mutações genéticas associadas ao crescimento e à resposta ao câncer, prevendo com precisão genes cruciais para a resposta a terapias. Em um estudo mais aprofundado, o CHIEF foi capaz de prever a sobrevivência de pacientes com base em imagens histopatológicas, superando outros modelos de IA em 8%.

O modelo identificou padrões em imagens relacionadas à agressividade tumoral e à sobrevivência dos pacientes, gerando mapas de calor que indicam áreas de interesse. Essas descobertas revelaram, por exemplo, que um maior número de células imunes ao redor do tumor está relacionado a uma maior chance de sobrevivência.

Os pesquisadores planejam expandir o treinamento do CHIEF para:

- Doenças raras e condições não cancerosas.

- Amostras de tecidos pré-malignos.

- Dados moleculares adicionais para prever tratamentos futuros e seus efeitos.